AI 发展时间线

哥德尔不完备定理

库尔特·哥德尔发表了他的不完备定理，证明了任何足够强大的形式系统都存在无法在该系统内部证明或否定的命题。这一发现不仅震动了数学界，也对后来的计算理论和人工智能产生了深远影响。它表明即使是数学这样的精确系统，也有其固有的局限性。

1935

丘奇-图灵论题

阿隆佐·丘奇和阿兰·图灵各自独立提出了著名的Church-Turing论题。该论题认为：任何可有效计算的函数都是图灵机可计算的。这一论题将"可计算性"这个直观概念形式化，成为计算机科学的基础。

1936

图灵机

阿兰·图灵在其开创性论文《论可计算数及其在判定问题中的应用》中提出了图灵机概念。这是一个抽象的计算模型，能够模拟任何可计算的数学过程。图灵机不仅奠定了计算理论的基础，也为我们理解"计算"本身提供了最本质的框架。

1936

λ演算

阿隆佐·丘奇提出了λ演算（Lambda Calculus），这是一个形式化的函数定义和函数应用系统。λ演算被视为函数式编程的理论基础，也是最早的类型系统之一。它与图灵机在计算能力上是等价的。

1943

神经元模型

沃伦·麦卡洛克和沃尔特·皮茨发表了《神经活动中内在观念的逻辑演算》，提出了第一个人工神经元模型（McCulloch-Pitts神经元）。这个模型将神经元简化为一个二元阈值开关，为后来的神经网络研究奠定了基础。

1948

控制论

诺伯特·维纳发表了《控制论：关于在动物和机器中控制和通信的科学》，创立了控制论这门新学科。控制论研究了系统如何通过反馈机制来调节自身行为，这对人工智能和机器人学产生了深远影响。

1950

图灵测试

图灵在论文《计算机器与智能》中提出了著名的"图灵测试"。测试的核心思想是：如果一个人类裁判无法区分与其对话的是人还是机器，那么这台机器就可以被认为具有"智能"。图灵测试成为后来评判机器智能的重要基准。

1950

香农信息论

克劳德·香农发表了《通信的数学理论》，奠定了信息论的基础。信息论不仅改变了通信技术，也为后来的机器学习和人工智能提供了重要的理论基础。熵、编码、信息量等概念成为理解数据和处理信息的核心工具。

1956

达特茅斯会议（预告）

在正式的人工智能会议之前，约翰·麦卡锡、马文·明斯基等人在1955年就开始筹备达特茅斯夏季研讨会。麦卡锡起草的提案中首次使用了"人工智能"这一术语，并勾勒出了未来研究的方向。

1956

达特茅斯会议

1956年8月，在达特茅斯学院举行的为期两个月的研讨会上，"人工智能"这一术语被首次正式提出。会议的发起人包括约翰·麦卡锡、马文·明斯基、克劳德·香农和纳撒尼尔·罗切斯特。这次会议被视为人工智能作为一个独立研究领域的诞生标志。

1956

逻辑理论家

艾伦·纽厄尔和赫伯特·西蒙开发了"逻辑理论家"（Logic Theorist），这是第一个实用的人工智能程序。该程序能够证明《数学原理》中的定理，被认为是第一个AI程序。西蒙和纽厄尔因此获得了1975年图灵奖。

1957

感知机

弗兰克·罗森布拉特提出了感知机（Perceptron）模型，这是第一个真正的人工神经网络模型。感知机是一个简单的线性二分类器，通过调整权重来学习分类输入数据。这一突破性工作让人们看到了机器学习的可能性。

1958

Lisp 语言

约翰·麦卡锡在麻省理工学院开发了Lisp语言，这是第一种专门为人工智能研究设计的高级编程语言。Lisp的灵活性和强大的符号处理能力使其成为AI研究的首选语言，影响了AI领域数十年。

1959

通用问题求解器

纽厄尔和西蒙开发了通用问题求解器（GPS），这是第一个尝试模拟人类问题解决过程的AI程序。GPS将问题解决分解为目标分解和子目标搜索，为后来的规划系统奠定了基础。

1960

感知机收敛定理

弗兰克·罗森布拉特证明了感知机学习算法的收敛性，表明如果数据线性可分，感知机一定会收敛。这一理论结果为神经网络的学习提供了数学保证。

1961

第一个工业机器人

Unimate成为第一个在工业环境中工作的机器人。安装在通用汽车装配线上，Unimate负责从压铸机中取出热金属零件并将其焊接到位。这标志着机器人技术从实验室走向工业应用。

1965

MIT AI 实验室

马文·明斯基创立了MIT人工智能实验室，这是世界上第二个AI研究机构（第一个是斯坦福AI实验室）。MIT AI实验室成为AI研究的重要中心，培养了一代又一代的AI研究者。

1966

ELIZA

约瑟夫·维森鲍姆在麻省理工学院创建了ELIZA，这是第一个聊天机器人。ELIZA通过模式匹配模拟心理治疗师的对话，虽然技术简单，但引发了人们对人机交互的深刻思考。

1967

第一个计算机视觉系统

拉里·罗伯茨在MIT开发了第一个能够识别简单几何图形的计算机视觉系统。该系统可以从图像中提取边缘和基本形状，为后来的计算机视觉研究奠定了基础。

1969

Shakey 机器人

斯坦福研究所开发了Shakey机器人，这是第一个能够感知环境、规划路径并执行任务的自主移动机器人。Shakey结合了计算机视觉、自然语言处理和规划算法，展示了AI系统的综合能力。

1969

Minsky-Papert 批判

马文·明斯基和西蒙·帕佩特发表了《感知机》一书，书中严格分析了单层感知机的局限性，并证明它无法解决非线性问题（如异或问题）。这本书导致对神经网络研究的资金大幅减少，AI寒冬正式开始。

1970

系统理论

马文·明斯基发表了《框架论文》，提出了框架（Frame）理论来表示知识。这一理论影响了后来的面向对象编程和知识表示方法。

1971

约翰·麦卡锡离职

约翰·麦卡锡离开MIT前往斯坦福大学任教。MIT AI实验室失去了它的创始人，标志着AI研究一个时代的结束。

1973

Lighthill 报告

英国科学家詹姆斯·莱特希尔向英国政府提交了一份关于AI研究状况的报告。报告对AI的进展持悲观态度，认为AI的承诺远远没有实现。这导致英国政府大幅削减AI研究经费。

1977

MYCIN 专家系统

斯坦福大学开发了MYCIN，这是一个用于医疗诊断的专家系统，能够根据患者的症状和测试结果推荐抗生素治疗方案。MYCIN展示了专家系统的实用性，尽管由于责任问题从未实际用于临床。

1979

XCON 专家系统

DEC公司部署了XCON（eXpert CONfigurer）系统，这是一个用于配置VAX计算机系统的专家系统。XCON是第一个在商业上取得成功的专家系统，每年为公司节省数百万美元。

1980

第一次AI寒冬

由于过度承诺和资金短缺，AI研究进入低谷。大量AI公司倒闭，AI成为一个几乎被人遗弃的领域。这一时期被称为"AI寒冬"。

1981

日本第五代计算机

日本宣布了第五代计算机计划（FGCS），这是一个为期10年的项目，旨在开发能够进行逻辑推理和知识处理的计算机。该项目激发了全球对AI研究的重新关注。

1986

反向传播算法

大卫·鲁姆哈特、杰弗里·辛顿和罗纳德·威廉姆斯发表了关于反向传播算法的论文。这种算法使得训练多层神经网络成为可能，复兴了人们对神经网络研究的兴趣。

1987

第二次AI寒冬开始

随着个人电脑的兴起，昂贵的Lisp机器市场急剧萎缩。许多AI公司倒闭，AI领域再次陷入困境。这一次寒冬持续到1990年代初期。